Sommaire de l'ouvrage
Quelle est votre “stratégie data” ?
Notre stratégie data vise à construire un langage commun pour favoriser l’alignement de l’organisation et l’usage des technologies et l’opérationnalisation de l’IA. Elle repose sur quatre piliers : Platform (une stratégie de data platform unique pour le groupe), People (une culture data driven), Paper (la mise en conformité de l’organisation avec les réglementations et les meilleurs standards de l’industrie), Governance (une organisation sous forme de mesh*). En termes d’implémentation, nous avons identifié deux programmes aux impacts transverses nous permettant d’accélérer notre transformation data, à savoir l’ESG et le programme de performance du business (en particulier du capital).
Quels sont les autres volets ?
Le deuxième volet porte sur l’ajout de valeur pour nos clients et particulièrement sur le « Business Life ». En effet, un de nos axes de différenciation relève de notre capacité à apporter du service à nos clients – les assureurs en étant en quelque sorte leur R&D, ou leur centre de développement produit. Enfin, le dernier volet «data», porte sur comment rendre plus accessible la connaissance en interne et faciliter l’interrogation de notre base de données (expertises, articles scientifiques...). L’intelligence artificielle, ici encore, facilite l’identification de la bonne data, de façon rapide et sans avoir à digérer une masse monumentale d’information.
Votre transformation Data a-t-elle eu des impacts organisationnels ?
Nous avons réalisé une très forte transformation sur la data, qui était historiquement un sujet IT. Aujourd’hui, l’IT est pilotée par une direction des opérations. Par ailleurs, la data est au cœur de l’exécution du plan stratégique de l’entreprise, « Forward 2026 », établi sur trois ans. D’un point de vue organisationnel, je reporte directement au deputy CEO du groupe qui est également le CFO. Mon mandat couvre la data stratégie, la data gouvernance, les fondamentaux pour être capable d’intégrer l’IA, et ce qu’on appelle l’« équipe plateforme » qui couvre toutes les technologies relatives à la data.
Quels défis avez-vous rencontré ?
Le principal « pain point » de notre organisation est que nous consommons, produisons et exploitons énormément de données, mais de manière encore très fragmentée. C’est pourquoi nous avons effectué une transition vers le cloud. Le nouveau challenge qui se présente réside désormais dans l’optimisation et la sélection des bons outils !
Avez-vous eu besoin d’accompagner humainement cette transformation data ?
La particularité de SCOR est d'employer un grand nombre de collaborateurs qui manipulent déjà les données de façon avancée : actuaire, ingénieur, PHD …
Toutefois, il y a toujours un travail de sensibilisation à faire sur la culture “data driven”, ce qui amène à développer des programmes d’information et d’accompagnement au changement auprès des équipes.
Comment appréhendez-vous le traitement de la donnée non-structurée ?
Avec l’arrivée du Big data, cela a été le boom de la donnée non-structurée. L’enjeu est alors, pour les entreprises, d’appréhender maintenant la grande diversité de ce type de données pour en générer de la valeur. Par exemple, les données qui viennent d’IoT* arrivent dans des formats très différents. Elles se cumulent et s’historisent également sur des temporalités très différentes. Il est donc primordial d’apporter du contexte business aux données collectées, et ce d’autant plus si celles-ci possèdent de nombreuses variables.
Quels types d’IA utilisez-vous ?
Nous sommes dans une transition de modèle : du machine learning vers l’IA générative*. La difficulté est alors qu’on passe d’un modèle que l’on développait et que l’on intégrait en interne à un modèle de consommation de services assez obscures, que l’on ne maîtrise pas complètement.
Entretien réalisé au 1er semestre 2024 dans le cadre de l'ouvrage Comment réussir votre stratégie de triple accélération
.svg)
